web-research

互联网来源发现与归档

把「我想要的东西在网上」变成「我确认过的来源已经在本地」。本 skill 负责获取链路， 不负责主题综述。

职责边界

需求	用哪个
找到、核验、落盘具体来源	本 skill
主题调研、横向对比、带引用的研究报告	deep-research-pro

deep-research-pro 覆盖「拆子问题 → 检索 → 精读 → 综合 → 带引用报告」，它不负责把来源 落成本地产物。本 skill 反过来：产出可核验的候选清单和本地文件，不产出结论性综述。

两者可以串：本 skill 交出候选清单后，用户若要综述，转 deep-research-pro。

何时不用

• 用户要的是结论/观点/对比，而不是来源本身 → deep-research-pro。
• 问题纯粹关于本地代码库，不需要联网。
• 用户明确说不要联网。
• 请求涉及发帖、评论、点赞、收藏、关注、私信等改变账号状态的动作 → 直接拒绝，见安全边界。

流程

阶段之间是硬边界，不得跨阶段自动推进。

1. 锁定目标

先说清楚再动手：

• 要找什么（主题、实体、时间范围）
• 目标平台（未指定就先用通用检索，别擅自登录态检索）
• 要多少条
• 最终要什么（只要链接清单 / 要正文 / 要媒体文件）

只在答案会改变检索路线或产物形态时提问，最多 1-2 个；否则用合理默认值并声明。

2. 发现

用当前环境真实可用的检索能力，按可得性依次尝试：

• WebSearch — 通用公开网页检索
• 环境中若装有 Exa 等搜索 MCP，可用于语义化检索与批量取正文
• Bash 调用平台原生 CLI（如 gh），先探测可用性再用，不可用就如实说明

每个子目标试 2-3 个查询变体。不要只搜顶层关键词。

不得为了提高覆盖率而绕过任何访问控制（见安全边界第 4 条）。

3. 核验

候选不等于来源。每条候选至少确认：

• 链接可达，且落地页确实是候选描述的内容（用 WebFetch 轻量取原文核对，别只信摘要）
• 发布时间
• 发布方 / 作者
• 与用户目标的相关性理由

核验不到就标记为未核验，不要静默丢弃，也不要当成已核验。

4. 交付候选清单并停下

输出候选清单，然后停止。这是硬门。

{
  "schema_version": "1.0",
  "request": { "target": "", "platforms": [], "limit": 0 },
  "candidates": [
    {
      "url": "",
      "title": "",
      "publisher": "",
      "published_at": "",
      "verified": true,
      "why_relevant": ""
    }
  ],
  "coverage": ["已检索的平台/路线，以及每条的产出数量"],
  "gaps": ["没能覆盖的平台、被限流的路线、未核验的候选"]
}

coverage 和 gaps 不是可选项。声称覆盖了实际没跑的路线，比少跑更严重。

5. 归档（仅在用户确认后）

用户确认要归档哪些之后才进入本阶段。

• 正文：WebFetch 取回，存为 Markdown，头部记录源 URL、抓取时间、抓取方式
• 媒体：Bash 调用 yt-dlp 等工具，先探测可用性，不可用就报缺口而不是换个野路子
• 落盘路径由用户指定，或用工作区相对路径；不假设个人 home 目录约定

归档产物必须能追溯回候选清单里的那一条。

安全边界

1. 所有平台只读。 不发帖、不评论、不点赞、不收藏、不关注、不私信，不改变任何账号状态。 同样不操控桌面客户端或移动端 UI。
2. 搜索不自动转下载。 检索结束就是检索结束。下载、归档需要独立、明确的当轮请求。
3. 登录态与私人数据需当轮明确授权。 执行前说明平台、原始关键词和预计条数。 授权只对当轮的具体平台与范围有效，不可转移——允许导出链接不等于允许下载正文或媒体。
4. 匿名公开路线优先。 不绕过验证码、登录墙、付费墙、限流、地区限制或访问控制。 遇到就如实报告受阻，不找替代绕行方案。
5. 不打印或保存凭证。 Cookie、Token、API Key、登录态、敏感 URL 参数一律不输出、不写盘。
6. 不覆盖既有产物，不自动删除。 任何清理先取得用户明确允许，且只能移入回收站。
7. 付费或大批量操作先报预算。 会产生显著额度消耗或大量请求的操作，执行前说明范围和预计数量。